Whalesbook
LLM Routers: AI सुरक्षेतील 'कमकुवत दुवा'
AI एजंट्स लवकरच $3 ट्रिलियन ते $5 ट्रिलियन इतकी जागतिक व्यावसायिक उलाढाल हाताळतील, पण या सुरक्षेसाठी 'LLM Routers' हाच सर्वात मोठा चिंतेचा विषय ठरत आहे. हे राउटर्स वापरकर्त्यांना AI प्लॅटफॉर्मशी जोडण्याचे काम करतात आणि API ब्रोकर्स म्हणून वावरतात. यांच्याकडे सर्व डेटाचा, ज्यात संवेदनशील क्रेडेन्शियल्स (credentials) आणि प्रायव्हेट कीज (private keys) यांचा समावेश आहे, पूर्ण ऍक्सेस असतो. अनेकदा हा डेटा साध्या टेक्स्टमध्ये (plain text) पाठवला जातो. याचा अर्थ, आपण AI सोबत बोलतोय असं वाटत असताना, प्रत्यक्षात डेटा एका बिघडलेल्या (compromised) मध्यस्थामधून जात असतो. संशोधकांनी केलेल्या अभ्यासात 26 राउटर्समध्ये अशा त्रुटी आढळल्या. एका प्रकरणात, एका क्लायंटचे $500,000 किमतीचे क्रिप्टो वॉलेट रिकामे झाले, जे या राउटर्सच्या गैरवापराचेच उदाहरण आहे.
सिस्टीम पॉईझनिंग आणि व्यापक धोका
या राउटर्सना 'पॉईझन' (poison) करणे खूप सोपे आहे, ज्यामुळे हॅकर्स काही तासांत शेकडो इतर सिस्टीम्सवर ताबा मिळवू शकतात. संशोधनानुसार, चाचणी केलेल्या 28 पेड राउटर्सपैकी 9 राउटर्सनी मालिसियस कोड (malicious code) इंजेक्ट केला, तर 17 राउटर्सनी AWS क्रेडेन्शियल्स ऍक्सेस केले. एका राउटरने तर थेट एका Ethereum वॉलेटमधून पैसे काढून घेतले. ही 'कमकुवत दुव्या'ची (weakest-link) समस्या म्हणजे, जर मध्यवर्ती पायाभूत सुविधा (middle infrastructure) धोक्यात आली, तर संपूर्ण सिस्टीमवर परिणाम होतो, जरी अंतिम AI प्रदाता सुरक्षित असला तरी. यामुळे 2030 पर्यंत AI द्वारे होणाऱ्या $3 ते $5 ट्रिलियन च्या व्यापारावर प्रश्नचिन्ह निर्माण झाले आहे.
क्रिप्टो मार्केटला मोठा फटका, पूर्वीचे हल्लेही स्मरणात
AI-आधारित सायबर हल्ल्यांमुळे क्रिप्टो जगात यापूर्वीच अब्जावधींचे नुकसान झाले आहे. $285 दशलक्ष किमतीचा Drift protocol हॅक आणि Coinbase वापरकर्त्यांचे $45 दशलक्ष सोशल इंजिनिअरिंगद्वारे गमावणे, हे या धोक्याची तीव्रता दर्शवतात. AI एजंट्स स्वायत्तपणे (autonomously) काम करत असल्याने, मालिसियस राउटर्स साध्या कमांड्सना हल्लेखोरांच्या नियंत्रणाखालील कमांड्सनी बदलू शकतात, ज्यामुळे API चा गैरवापर, डेटा लीक्स आणि बाजारपेठेत अस्थिरता यांसारखे धोके वाढतात.
सुरक्षेसाठी काय पावले उचलली जात आहेत?
या धोक्यांची दखल घेत, उद्योग क्षेत्र लगेच कामाला लागले आहे. 98% कंपन्या AI वापरत असल्याने, वित्तीय संस्था सुरक्षा खर्चात मोठी वाढ करत आहेत, जी सरासरी 40% पर्यंत जाण्याची अपेक्षा आहे. Visa चे Trusted Agent Protocol (TAP) आणि Google चे Agent Payments Protocol (AP2) सारखे प्रोटोकॉल AI एजंट ट्रान्झॅक्शन्ससाठी डिजिटल सिग्नेचर वापरून विश्वास निर्माण करण्याचा प्रयत्न करत आहेत. AI-आधारित धोके शोधण्यासाठी आणि थांबवण्यासाठी विशेष सायबर सुरक्षा साधनेही विकसित केली जात आहेत. 'झिरो ट्रस्ट' (zero trust) दृष्टिकोन स्वीकारणे, म्हणजे एजंट्सच्या बाह्य कृतींवर मर्यादा घालणे आणि सतत तपासणी करणे, हे AI च्या पूर्ण क्षमतेचा वापर करण्यासाठी अत्यंत आवश्यक आहे.